|
최근 전기차·에너지저장장치에 쓰이는 리튬이온 배터리 수요가 급증하고 있다. 리튬이온 배터리는 에너지 효율이 높아 보편적으로 쓰이고 있지만, 열폭주로 인한 폭발·화재 위험성이 단점으로 지적된다. 오 교수팀은 열폭주를 실시간으로 정확하게 예측하는 ‘다물리 기반 인공지능 기술’을 개발했다.
기존에는 배터리의 열폭주를 추론하기 위해 ‘물리 기반 수치해석 모델’을 사용했지만 이 모델은 해석에 시간이 많이 소요되는 단점이 있다. 최근에는 ‘데이터 기반 인공지능 모델’을 이용한 열폭주 예측 연구도 진행 중이지만, 이는 열폭주 현상을 정확히 예측하는 데에 한계가 있는 것으로 알려졌다.
오 교수팀은 이런 한계를 극복하기 위해 학습 데이터가 부족한 상황에서도 열폭주를 정확하게 예측하는 인공지능 기술을 개발했다. 특히 열폭주를 지배하는 다양한 물리 방정식을 인공지능에 융합한 융합 인공신경망(Physics-Informed Neural Network)을 만들었다는 점도 성과다.
헤당 기술은 배터리 내부 온도 분포 등을 예측해 기존 기술보다 최대 1만배 빠르게 열폭주 현상을 추론할 수 있다. 또한 융합 인공신경망을 활용하면 제한된 데이터 상황에서도 ‘데이터 기반 인공지능 모델’보다 약 8% 향상된 정확도를 보이는 것으로 나타났다.
이번 연구에는 한양대 정진호 석박통합과정생이 제 1저자로, 곽은지·김준형 박사과정이 공동저자로, 오기용 교수가 교신저자로 참여했다. 오 교수는 “이번 연구 결과가 차세대 전기자동차 배터리 열관리 및 상태감시에 활용되면 전기자동차의 안정성 확보에 기여할 수 있을 것”이라고 했다.
